SGLang-Omni
PulseAugur coverage of SGLang-Omni — every cluster mentioning SGLang-Omni across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Zyphra发布ZONOS3-Mini开源TTS，支持本地实时使用
Zyphra发布了ZONOS3-Mini，一个专为本地设备实时性能设计的开源文本转语音模型。该模型拥有1亿个活跃参数，支持零样本语音克隆和词级交付控制。它可以通过WebGPU在浏览器中运行，通过SGLang-Omni在NVIDIA GPU上运行，通过MLX在Apple Silicon上运行，或使用ggml在CPU上运行，为开发者提供了灵活性。
-
Fish Audio 发布 Drama 3 文本转语音模型，具备高级方向控制功能 · 追踪 4 个来源
Fish Audio 发布了 Drama 3，一个拥有 350 亿参数的开源文本转语音模型，每个 token 激活 30 亿参数。该模型提供高级功能，如多角色场景生成、语音克隆和基于自然语言的表演指导，允许用户指定情感语调和修改。Drama 3 还引入了单词级修复功能，用于编辑现有音频，并支持单个请求中的多种语言和说话人。虽然该模型在发音基准测试中取得了最高分，但其许可证限制了年收入超过 50 万美元的公司的商业用途。
-
SGLang-Omni 专注于多模型编排，而非仅仅是速度
SGLang-Omni 的开发目的不是优化单个模型，而是作为编排多个协作模型的系统。这种新的运行时将多模态 AI 的独立阶段解耦，允许每个阶段放置在最优硬件上，使用特定的调度器，并独立扩展。SGLang-Omni 要解决的主要挑战是在多个 GPU 上跨协作模型进行实时状态流式传输，而不是仅仅专注于提高单个模型的速度。
-
SGLang-Omni运行时应对多模态AI部署挑战
SGLang-Omni 是一种新的运行时，旨在服务能够处理和生成文本、音频和视觉信息的多模态AI模型。SGLang-Omni 的开发凸显了多模态AI的复杂性不仅在于模型本身，还在于高效部署和管理这些高级功能所需的基础设施。
-
MiniMax Music 3 模型利用 Qwen3-8B LLM 生成完整歌曲
MiniMax Music 3，一个能够生成长达五分钟完整歌曲的新的开源模型已发布。该模型采用混合方法，结合了从 Qwen3-8B 初始化、用于长程结构的 8B 全局 LLM 和用于细粒度声学细节的 0.6B 局部 LLM。它可以根据歌词和详细的音乐描述进行条件生成，产生 32 kHz、16 位立体声 WAV 音频。该模型可通过 SGLang-Omni 和 diffusers 在本地使用，并通过 Hugging Face 和 audi…